Weight Matrix Adaptation for increased Memory Storage Capacity in a Spiking Hopfield Network

Lagringskapaciteten i ett litet spiking Hopfieldnätverk undersöks med hjälp av två parametrar som styr resistansen och inhibitionen hos de synaptiska kopplingarna. Det är motiverat av möjligheten att skapa större associativa nätverk från små nätverkskluster. Den här typen av nätverksarkitekturer har observerats i naturen och skulle kunna vara grunden till framtida applikationer. Undersökningen är genomförd med hjälp av simulatorer, neuronmodeller av typen integrate-and-fire och statiska synapser. Flera olika typer av binäramönster används för att ge en detaljerad analys av lagringskapaciteten. De undersökta parametrarna har inverkan på lagringskapaciteten hosnätverket. Även skillnader i kapacitet mellan olika mönster är observerat.The storage capacity of a small spiking Hopfield network is investigated in terms of two parameters governing the conductance and inhibition of the synaptic connections. This is motivated by the possibility of constructing larger associative networks from small network clusters. These kinds of network architectures have been observed in nature and could possibly be a foundation for future applications. The investigation is conducted using simulations of integrate-and-fire neuron models and static synapses. Several different types of binary patterns are used to provide a detailed analysis of the storage capacity. The investigated parameters have influence on the storage capacity of the network and the capacity may be improved with the right choice of parameters. Also, differences in capacity for different pattern types are observed